﹤AI資訊、智慧農業﹥適用規模化整合型AI水下養殖管理方法個案

快速搜尋

﹤AI資訊、智慧農業﹥適用規模化整合型AI水下養殖管理方法個案

國立中山大學／黃英哲教授

傳統魚蝦養殖多依賴人員巡池與經驗判斷，觀察頻率低、內容片段，且不同管理者標準不一，導致投餌、增氧與換水決策具高不確定性

即使加裝溶氧、pH、溫度、濁度等環境監測設備，也只能確認水體條件，無法直接反映魚蝦是否吃弱、活動力是否下降或是否出現初期壓力反應，特別是在濁水、低能見度池況下，幾乎看不到實際生物狀態，本質問題仍在「看不到主體」

本團隊技術以濁水可用的水下觀察設備取得可判讀生物影像，再由智慧生物AI進行行為與攝食分析，將原本需長時間經驗累積的主觀觀察轉為即時、量化指標

可及早發現「環境數據尚可但魚蝦已異常」的情況，縮短問題暴露時間，進而降低損失

技術簡介

本技術以「濁水可視化」與「生物影像AI判讀」為核心設計，目標在於使養殖管理由過去僅能依賴環境參數的間接推測，轉為以魚蝦實際行為為主要依據的直接判讀。前端部分採用適用高濁度水體之水下觀察設備，透過光源型式、照射角度、鏡頭焦距與安裝位置等參數優化，使系統能在一般養殖池常見的混濁、低能見度條件下，仍然取得具辨識度且可供分析的魚蝦影像，補足傳統水下攝影設備「裝置在場但影像不可用」的應用落差。後端部分導入以魚蝦行為特徵與養殖場景資料訓練之AI模型，能對魚蝦成長、進食反應、活動量變化進行自動化分析與量化，將原本需仰賴資深人員長期經驗累積與人工巡查才能完成的主觀判讀，轉化為可標準化、可追溯且可跨池比較的客觀指標，進而降低人員差異所造成的管理不一致性，支援後續餵養量調整與異常預警等應用。
本技術核心要點為協助場域進行養殖管理，透過「智慧水下影像AI判讀」，將養殖重要資訊：殘餌量與魚蝦尺寸量化，了解魚蝦每天進食情況，統計成長資訊。同時透過「智慧汙泥監測」，協助場域進行設備維護，維持系統效能。